Imagine que você é o motorista de um sedã familiar de quatro portas se aproximando de uma placa de pare. Ao chegar à placa de pare, você percebe um ciclista tentando atravessar a rua. Através do contato visual, da expressão facial e de dicas de linguagem corporal, o ciclista negocia seu direito de passagem com você. Como resultado, você decide deixar o ciclista atravessar a rua primeiro, antes de entrar com cautela no cruzamento.
No mundo da condução autónoma de hoje, não haveria forma de “marcar” ou categorizar tal evento, disse Danny Atsmon, CEO da Cognata. Os métodos atuais permitem identificar visualmente o ciclista, mas os sistemas de treinamento para reconhecer e compreender que negociações complexas na estrada continuam a ser um desafio para a condução autónoma de 10,3 biliões de dólares indústria.
Vídeos recomendados
Na verdade, a direção autônoma representa “o problema de computação mais difícil que o mundo já encontrou”, como afirmou o CEO da NVIDIA, Jensen. Huang admitiu quando revelou alguns dos processadores gráficos mais poderosos do mundo durante a palestra do GTC 2018 em San Jose, Califórnia.
Relacionado
- O suposto carro da Apple pode custar o mesmo que um Tesla Model S
- O Drive Concierge da Nvidia encherá seu carro de telas
- Uma coisa estranha aconteceu com uma frota de carros autônomos
Unindo o Real e o Virtual
“O mundo dirige 16 trilhões de quilômetros por ano”, disse Huang em uma apresentação incisiva – mas Atsmon destacou que os carros autônomos percorreram apenas cinco milhões de quilômetros de estradas no ano passado. Para que os veículos autónomos conduzam melhor, têm de aprender mais, e esse é fundamentalmente o maior desafio enfrentado pela indústria. Para treinar um sistema de direção autônomo para ter a competência de um motorista humano, os computadores precisariam dirigir cerca de 18 bilhões de quilômetros, disse-nos Atsmon.
É o problema de computação mais difícil que o mundo já encontrou.
Esse número é calculado com base nas 1,09 mortes por 100 milhões de milhas percorridas em 2015. “Portanto, para dizer que uma máquina poderia ter um desempenho tão seguro quanto um ser humano com 95% de confiança, seria necessário validar 11 bilhões de milhas”, disse Atsmon.
Além do tempo necessário para atingir essa meta, há também as despesas a serem consideradas. No momento, o custo por milha para operar um carro autônomo está na casa das centenas de dólares – representando tempo de engenharia, coleta e etiquetagem de dados, custos de seguro e o tempo que um motorista leva para sentar-se na cabine do piloto um carro. Multiplique isso pela referência de 11 bilhões de milhas e o enorme custo associado ao treinamento de carros autônomos ficará claro.
A validação é fundamental, e acidentes recentes envolvendo veículos autônomos mostram que testes de dados e cenários de treinamento incompletos podem ser fatais. Em um exemplo menos extremo, um ônibus autônomo em Las Vegas navegava a cerca de 1 km por hora, mas bateu em um caminhão (Jeff Zurschmeide, colaborador freelancer do Digital Trends, estava presente quando tudo aconteceu). Ninguém ficou ferido, mas o cenário intrigante aconteceu porque o caminhão avançava e depois recuava enquanto tentava estacionar. A causa do acidente, segundo Atsmon, é que o ônibus espacial não foi validado para esse tipo de situação e não sabia o que fazer – então avançou lentamente e caiu.
Melhor simulação para aprendizado mais profundo
A solução atual da indústria para colmatar a lacuna de 18 mil milhões de quilómetros entre os sistemas autónomos e a condução humana competência é desenvolver simulações para permitir que os carros aprendam mais rápido, combinando aprendizado profundo com um virtual ambiente.
“A simulação é o caminho para bilhões de milhas”, disse Huang no GTC. No final do ano passado, a Waymo, de propriedade da Alphabet, revelou o Carcraft, sua abordagem de aprendizagem por simulação.
A Cognata está usando os mais recentes avanços em gráficos e hardware de sensores para criar modelos do mundo mais realistas e realistas para os carros autônomos aprenderem. Para os cérebros computacionais de um carro autônomo, é como entrar em um videogame modelado no real mundo, e isso poderia levar a cenários de condução mais realistas para testar e validar a condução de automóveis dados. A empresa mapeou recentemente cidades selecionadas, como São Francisco, usando dados de GIS – câmeras de alta definição e algoritmos de computador sofisticados que executam imagens de satélite e de rua, resultando em uma cena fotorrealista.
A simulação é o caminho para bilhões de milhas.
Para melhorar ainda mais as simulações, a Nvidia e alguns de seus parceiros estão usando dados dos sensores de veículos autônomos para construir mapas de maior definição. Quando os veículos autônomos pegarem a estrada, essas máquinas não dependerão apenas dos dados disponíveis por meio do treinamento, mas também contribuir para a coleta de dados, compartilhando os dados capturados de seu LIDAR, IR, radar e câmera matrizes.
Quando esses dados recém-capturados são combinados por meio de aprendizagem profunda com conjuntos de dados existentes de baixa qualidade, as ruas e estradas parecerão mais fotorrealistas. A Cognata afirma que seus algoritmos podem processar os dados de forma a realçar detalhes em sombras e realces, como um HDR foto da câmera do seu smartphone, para criar uma cena de alta qualidade.
Cognata - Simulador de direção autônoma com aprendizado profundo
Embora a simulação seja uma ferramenta excelente, Atsmon observou que ela tem suas próprias falhas. É muito simples e, para que a direção autônoma seja realista, é preciso aprender com casos extremos. Cognata afirma que são necessários apenas alguns cliques para programar em um caso extremo para validar veículos autônomos para cenários de direção mais incomuns. As empresas que constroem veículos autónomos terão de ser diligentes na procura de casos extremos que possam enganar os carros autónomos e criativas na elaboração de soluções para eles.
Quando a direção autônoma falha
A segurança é tão fundamental para os veículos autônomos que a Nvidia a considera a coisa mais importante para a indústria. Quando as coisas falham, as fatalidades podem ocorrer e ocorrem, como foi recentemente comprovado quando um Uber autônomo atropelou e matou um pedestre no Arizona.
“Posso garantir que [a Uber está] igualmente arrasada com o que aconteceu.”
Quando questionado em uma coletiva de imprensa sobre o acidente do Uber – o Uber é parceiro da Nvidia – Huang adiou o compartilhamento de carona empresa para comentários, dizendo que “deveríamos dar ao Uber a chance de entender o que aconteceu e explicar o que aconteceu ocorrido."
“Posso garantir que [a Uber está] igualmente arrasada com o que aconteceu”, acrescentou Huang.
Como a Nvidia desenvolve uma solução ponta a ponta para direção autônoma, diferentes parceiros – da Uber à Toyota e Mercedes Benz – podem utilizar todas ou algumas partes do sistema. “Existem cerca de 370 empresas em todo o mundo que utilizam as nossas tecnologias de alguma forma.” Na feira, a Nvidia também anunciou o Orin, o computador de próxima geração de sua plataforma DRIVE.
Humanos como backup
Embora os carros autônomos estejam se tornando mais inteligentes com o tempo, Huang ainda acredita que sempre deve haver um apoio humano, mesmo nos casos em que um carro é projetado sem assento do motorista. Para conseguir isso, a Nvidia apresentou seu Holodeck durante a palestra GTC deste ano, permitindo que um motorista remoto controle um carro físico em tempo real através da realidade virtual.
“É teletransporte”, disse Huang, destacando que isso é possível através dos primeiros investimentos da Nvidia em realidade virtual.
NVIDIA DRIVE — Demonstração do GTC 2018
Durante a demonstração, Tim, o motorista, estava localizado em um local remoto. Ao colocar um par de óculos de realidade virtual, ele se sentirá como se estivesse em um carro físico, o que lhe permitirá sentir o carro e ver os controles e o painel de instrumentos do carro. A partir deste local remoto e com a ajuda do seu headset VR, ele poderia assumir o controle de um veículo autônomo, permitindo-lhe dirigir e estacionar o veículo.
É como o que os militares vêm fazendo há algum tempo – permitir que operadores de drones pilotem drones não tripulados a partir de locais remotos. Mas no caso da Nvidia, com o poder da VR, o motorista se sentirá fisicamente presente no cockpit. A empresa acredita que a simulação alimentada pelas suas GPUs acabará por tornar os carros autónomos quase infalíveis, mas, até lá, o Holodeck pode ajudar os humanos a vigiar as frotas autónomas.
Recomendações dos Editores
- Carros autônomos confusos com a neblina de São Francisco
- Ford e VW fecham unidade de carros autônomos Argo AI
- Ex-funcionário da Apple se declara culpado de roubar segredos do Apple Car
- Policiais ficam confusos ao pararem um carro autônomo vazio
- Como uma grande van azul de 1986 abriu caminho para carros autônomos
